論文の概要: Zero-phase angle asteroid taxonomy classification using unsupervised machine learning algorithms

• arxiv url: http://arxiv.org/abs/2204.05075v1
• Date: Mon, 11 Apr 2022 13:24:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-12 23:28:53.026065
• Title: Zero-phase angle asteroid taxonomy classification using unsupervised machine learning algorithms
• Title（参考訳）: 教師なし機械学習アルゴリズムを用いたゼロフェーズアングル小惑星分類分類
• Authors: M. Colazo, A. Alvarez-Candal, and R. Duffard
• Abstract要約: 我々は、位相角の変化の影響を受けない大きさに基づいて、小惑星の分類を新たに作成する。 我々はファジィC平均と呼ばれる教師なし機械学習アルゴリズムを用いて分類を行った。 V型小惑星候補15種をヴェスタ族領域外から同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We are in an era of large catalogs and, thus, statistical analysis tools for large data sets, such as machine learning, play a fundamental role. One example of such a survey is the Sloan Moving Object Catalog (MOC), which lists the astrometric and photometric information of all moving objects captured by the Sloan field of view. One great advantage of this telescope is represented by its set of five filters, allowing for taxonomic analysis of asteroids by studying their colors. However, until now, the color variation produced by the change of phase angle of the object has not been taken into account. In this paper, we address this issue by using absolute magnitudes for classification. We aim to produce a new taxonomic classification of asteroids based on their magnitudes that is unaffected by variations caused by the change in phase angle. We selected 9481 asteroids with absolute magnitudes of Hg, Hi and Hz, computed from the Sloan Moving Objects Catalog using the HG12 system. We calculated the absolute colors with them. To perform the taxonomic classification, we applied a unsupervised machine learning algorithm known as fuzzy C-means. This is a useful soft clustering tool for working with {data sets where the different groups are not completely separated and there are regions of overlap between them. We have chosen to work with the four main taxonomic complexes, C, S, X, and V, as they comprise most of the known spectral characteristics. We classified a total of 6329 asteroids with more than 60% probability of belonging to the assigned taxonomic class, with 162 of these objects having been characterized by an ambiguous classification in the past. By analyzing the sample obtained in the plane Semimajor axis versus inclination, we identified 15 new V-type asteroid candidates outside the Vesta family region.
• Abstract（参考訳）: 私たちは大規模なカタログの時代にあり、機械学習のような大規模データセットの統計分析ツールが基本的な役割を担っています。 そのような調査の例としては、スローン移動物体カタログ(moc)があり、スローンの視野で捉えた全ての移動物体の星表と測光情報をリストアップしている。 この望遠鏡の大きな利点の1つは5つのフィルターによって表現され、色を研究することによって小惑星の分類学的分析を可能にする。 しかし、これまでは、物体の位相角の変化による色の変化は考慮されていない。 本稿では,この問題を分類に絶対等級を用いることで解決する。 本研究の目的は, 位相角の変化による変動の影響を受けない大きさに基づいて, 小惑星の新しい分類法を作ることである。 我々はHG12系を用いてSloan moving Objects Catalogから計算したHg, Hi, Hzの絶対等級9481個の小惑星を選択した。 私たちは彼らと絶対色を計算した。 分類分類を行うために,ファジィC平均と呼ばれる教師なし機械学習アルゴリズムを適用した。 これは、異なるグループが完全に分離されておらず、それらの間に重複する領域がある{dataset}を扱うのに有用なソフトクラスタリングツールである。 我々は、既知のスペクトル特性のほとんどを構成するため、c、s、x、vの4つの主分類群を扱うことを選んだ。 分類群に属する確率が60%を超える6329個の小惑星を分類した。 平面セミマジュール軸と傾斜角で得られた試料を解析し,V型小惑星候補をVesta領域外から15個同定した。

関連論文リスト

• Unsupervised Machine Learning for the Classification of Astrophysical X-ray Sources [44.99833362998488]
  我々は、Chandra Source Catalogソースに確率的クラスを提供するための教師なし機械学習アプローチを開発した。 約14,507個の検出結果を含む8,756個の情報源を対象とした確率クラスのカタログを提供する。 分類対象物の特徴分布と確立された天体物理仮説との整合性について検討した。
  論文  参考訳（メタデータ） (2024-01-22T18:42:31Z)
• Taxonomic analysis of asteroids with artificial neural networks [7.274273862904249]
  近いうちに、中国宇宙望遠鏡(CSST)は、25マグと23マグよりも明るい大きさの小惑星に対して、複数の色と分光データを提供する予定である。 人工ニューラルネットワーク(ANN)を用いて小惑星分類の予備分類モデルを構築する。 SMASS IIスペクトルとBus-Binzel分類システムを用いて、5つのANNからなるANN分類ツールを構築した。
  論文  参考訳（メタデータ） (2023-11-18T03:27:26Z)
• Spiral-Elliptical automated galaxy morphology classification from telescope images [0.40792653193642503]
  我々は、望遠鏡の銀河画像から効率的に抽出できる2つの新しい銀河形態統計、降下平均と降下分散を開発した。 我々は,Sloan Digital Sky Surveyの銀河画像データを用いて,提案した画像統計の有効性能を実証した。
  論文  参考訳（メタデータ） (2023-10-10T22:36:52Z)
• Cosmology from Galaxy Redshift Surveys with PointNet [65.89809800010927]
  宇宙論において、銀河赤方偏移サーベイは、宇宙における位置の置換不変な集まりに類似している。 我々は、ポイントクラウドデータから直接、宇宙パラメータの値を回帰するために、textitPointNetのようなニューラルネットワークを使用します。 我々のPointNetsの実装は、$mathcalO(104) - MathcalO(105)$銀河の入力を一度に分析できるので、この応用の初期の作業は、およそ2桁の精度で改善される。
  論文  参考訳（メタデータ） (2022-11-22T15:35:05Z)
• Semi-Supervised Domain Adaptation for Cross-Survey Galaxy Morphology Classification and Anomaly Detection [57.85347204640585]
  We developed a Universal Domain Adaptation method DeepAstroUDA。 異なるタイプのクラスオーバーラップしたデータセットに適用することができる。 初めて、我々は2つの非常に異なる観測データセットに対するドメイン適応の有効利用を実演した。
  論文  参考訳（メタデータ） (2022-11-01T18:07:21Z)
• Galaxy classification: a deep learning approach for classifying Sloan Digital Sky Survey images [0.6445605125467573]
  本研究では,拡張ハッブルチューニングフォークからSDSSデータを10クラスに分類するために,ニューラルネットワークモデルを提案する。 テストの精度は84.73パーセントで、クラスでこのような微妙な詳細を考えた後に期待できる。
  論文  参考訳（メタデータ） (2022-11-01T11:43:21Z)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)
• Detection of extragalactic Ultra-Compact Dwarfs and Globular Clusters using Explainable AI techniques [1.3764085113103222]
  銀河を取り巻く超コンパクト小星(UCD)や球状星団(GC)のような小さな恒星系は、これらの銀河を形成する融合現象のトレーサーとして知られている。 ここでは、Fornax銀河団のマルチ波長イメージングデータを用いて、これらの物体を前景の星や背景銀河から6個のフィルターで分離する機械学習モデルを訓練する。 精度と93%のリコールでUDD/GCを識別でき、各特徴量%(色と角の大きさ)の重要性を反映した関連性を提供します。
  論文  参考訳（メタデータ） (2022-01-05T13:37:55Z)
• Morphological Classification of Galaxies in S-PLUS using an Ensemble of Convolutional Networks [0.0]
  我々は,Galaxy Zooプロジェクトの正確な視覚分類とemph Deep Learning手法を組み合わせる。 ニューラルネットワークモデルは、他の4つの畳み込みモデルのアンサンブルによって作成され、どの個人でも得られるものよりも、分類の精度が高い。
  論文  参考訳（メタデータ） (2021-07-05T21:51:19Z)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)
• Learnable Subspace Clustering [76.2352740039615]
  本研究では,大規模サブスペースクラスタリング問題を効率的に解くために,学習可能なサブスペースクラスタリングパラダイムを開発する。 鍵となる考え方は、高次元部分空間を下層の低次元部分空間に分割するパラメトリック関数を学ぶことである。 我々の知る限り、本論文は、サブスペースクラスタリング手法の中で、数百万のデータポイントを効率的にクラスタ化する最初の試みである。
  論文  参考訳（メタデータ） (2020-04-09T12:53:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。